Découvrez la puissance d’un moteur de recommandations
Taylor et Jane aiment tous deux regarder des films. Taylor n’aime que les drames, comédies et romances. Jane n’aime que les films d’action, d’aventure, et plus généralement les films à sensations. L’un des grands atouts des moteurs de recommandations basés sur ALS est qu’ils peuvent identifier des films ou des articles susceptibles de plaire aux utilisateurs, même si ceux-ci pensent a priori le contraire. Examinez les notes que Taylor et Jane ont attribuées ci-dessous. Logiquement, leurs préférences différentes devraient générer des recommandations différentes.
Ce cours couvre de nombreux concepts que vous avez peut‑être oubliés. Si vous avez besoin d’un rappel rapide, téléchargez la PySpark Cheat Sheet et gardez‑la à portée de main !
Cet exercice fait partie du cours
<cours>Créer des moteurs de recommandation avec PySpark</cours>Instructions de l’exercice
- Examinez
TJ_ratingsavec la méthode.show()et toute autre méthode que vous préférez pour voir comment chacun a noté les différents films qu’ils ont vus. - Saisissez les noms des utilisateurs dans la fonction
get_ALS_recs()fournie pour voir quels films ALS recommande à Jane et Taylor en fonction des notes indiquées. Ces recommandations vous paraissent‑elles cohérentes ?
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# View TJ_ratings
TJ_ratings.show()
# Generate recommendations for users
get_ALS_recs(["____","____"])